中国商业银行金融风险预警指标体系研究的论文.doc

中国商业银行金融风险预警指标体系研究的论文.doc中国商业银行金融风险预警指标体系研究的论文【关键词】预警, 指标体系, 研究, 风险, 金融, 商业, 银行, 中国, 2008 年以美卷全球,作为金融机构的主体部分,商业银行在此次危机中同样遭受重创。在历经冲击之后,商业银行的风险管理和识别能力开始让人质疑。中国经济尚处于高速发展和转型初期,商业银行金融风险在宽松的宏观经济环境下并不显著,但由于中国不断与国际经济接轨,开放条件下全球性的金融危机仍然会给国内商业银行带来巨大的经营压力。实践表明,中国商业银行的风险管理多侧重于事后弥补和经验总结,但是相对来说更为重要和紧迫的事先管理却未能得到足够的认识和实施。要实现对于商业银行金融风险的监测,建立风险预警机制,根据现有的指标数据对短期内商业银行金融风险爆发的可能性进行全面有效的评估是事先管理的一种切实可行方法。本文在国内外相关学者的研究基础上,结合国内商业银行风险现状,建立了一个全面的商业银行金融风险预警体系,并从近期数据给出了对商业银行金融风险的评价及实证检验。二、相关领域文献回顾国际上对于银行业金融风险预警的研究早在 20 世纪就已经取得了令人瞩目的成绩,但种种成果也存在诸多问题,并且多数方法与中国的实际有着很大的差距。 1979 年由联邦金融机构监管委员会建立的 camel 评级制度经过 1997 年的修改后,成为美国主要监管机构统一使用的 camels (骆驼)制度[1] 。伴随银行业务的拓展,部分国家监管当局引入美国 camel 评级制度,同时结合本国监管情况建立了相对独立的主观判断评价体系。. cart ( classification and regression tree )结构分析法,根据选定的某几项财务指标作为分类的标准,运用二分法,通过建立二元分类数来分析被考查对象状态[2] 。 logit 模型主要采用了 logistic 函数[3] ,该模型的问题在于当样本点存在完全分离时,模型参数的极大似然估计可能不存在,模型的有效性存在问题,另外该方法对临界区域的判别敏感性过度,容易导致相近样本评估结果之间差别过大。 altman 等人( 1994 )利用神经网络对意大利公司进行失败预测[4] 。神经网络方法是一种自适应的非参数方法,并不严格要求样本数据的分布,不仅具有非线性映射和泛化能力[5] ,而且神经网络模型的分布自由,较之多元判别分析模型,对实际问题更加适用。信用度量技术( credit metrics , 1997 )运用 var 框架[6] ,对贷款和非交易资产进行风险的评价和计量[7] 。但是 credit metrics 模型的违约模型和相关系数的度量是以期权定价理论为基础的,这对资本市场的成熟度以及数据的真实性都有极高的限制要求,因而可操作性有所降低。麦肯锡模型( credit portfolio vieetrics 的基础上,对经济的周期性因素予以考虑,通过蒙特卡罗模拟技术( astructured monte carlo simulation approach )模拟周期性因素的冲击,以测定评级转移概率的改变趋势并进行度量[9] ,但是由此给模型增加了相当的复杂程度。相比之下,国内关于商业银行金融风险预警的研究起步较晚, 同时囿于研究所需的数据资料稀缺等原因,致使当下国内该领域的研究仍然十分